百度 PaddlePaddle 团队近日发布了最新的 PaddleOCR 模型 —— PP-OCRv6。该系列包含 tiny（1.5M 参数）、small（7.7M 参数）和 medium（34.5M 参数）三个版本。在多场景 OCR 基准测试中，PP-OCRv6_medium 的检测 Hmean 达到 86.2%，识别准确率达到 83.2%，在对应 OCR 指标上超过了 Qwen3-VL-235B、Gemini-3.1-Pro 和 GPT-5.5 等多个大型视觉语言模型。
仅 34.5M 参数就能在 OCR 任务上击败 235B 参数的大模型，这背后的技术路线值得深入分析。
PP-OCRv6 的核心特点
50 种语言支持：涵盖简体中文、繁体中文、英语、日语，以及 46 种使用拉丁字母的语言。
高精度文字检测与识别：能够应对复杂背景、小字、密集文字、旋转文字和低清晰度文字等多种场景。
轻量化、低成本部署：相比大型视觉语言模型，PP-OCRv6 参数更少、推理成本更低、响应速度更快。支持 Paddle Inference、ONNX Runtime、Hugging Face Transformers 等推理方式，甚至可以直接运行在手机等终端设备上。
除了传统的部署方式，PP-OCRv6 还能直接在浏览器中运行。访问 batchtool.com/tools/ocr，选择本地图片后点击 Recognize 即可体验。首次使用时会自动下载 ONNX 模型，还支持上传包含表格的图片，识别后可导出为 HTML、XLSX、CSV 和 Markdown 等多种格式。
本地部署：使用 ppu-paddle-ocr SDK
ppu-paddle-ocr SDK 支持 Node.js、Bun、Deno、Browser 和 React Native 等多种平台。安装方式：
mkdir paddleocr-v6
cd paddleocr-v6
pnpm add ppu-paddle-ocr onnxruntime-nodeNode.js / Bun 环境下运行文字识别：
import { readFileSync } from "node:fs";
import { PaddleOcrService } from "ppu-paddle-ocr";
const service = new PaddleOcrService();
await service.initialize();
const image = readFileSync("./test-image.jpg");
const result = await service.recognize(image);
console.log(result.text);浏览器环境中，则需要使用 ppu-paddle-ocr/web 导出的服务：
import { PaddleOcrService } from "ppu-paddle-ocr/web";
const service = new PaddleOcrService();
await service.initialize();
const file = document.getElementById("upload").files[0];
const result = await service.recognize(canvas);
console.log(result.text);
该 SDK 除了最新的 PP-OCRv6 模型，还同时支持 PaddleOCR 早期版本的 v5、v4 等模型。
总结
PP-OCRv6 提供了三种不同规模的模型，开发者可以根据实际场景选择。三款模型都非常轻量，基于 ONNX Runtime 即可在手机等终端设备上运行。如果测试完 PP-OCRv6 后仍有更高精度需求，还可以尝试 PaddleOCR-VL-1.6 和 MinerU2.5-Pro 模型。